CN117996757A - 一种基于分散式风电的配电网调度方法、装置及存储介质 - Google Patents
一种基于分散式风电的配电网调度方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117996757A CN117996757A CN202410406594.XA CN202410406594A CN117996757A CN 117996757 A CN117996757 A CN 117996757A CN 202410406594 A CN202410406594 A CN 202410406594A CN 117996757 A CN117996757 A CN 117996757A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind power
- target area
- region
- power generation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000010248 power generation Methods 0.000 claims abstract description 194
- 238000012544 monitoring process Methods 0.000 claims description 139
- 238000012360 testing method Methods 0.000 claims description 54
- 230000005611 electricity Effects 0.000 claims description 49
- 238000004458 analytical method Methods 0.000 claims description 47
- 239000003570 air Substances 0.000 claims description 21
- 239000012080 ambient air Substances 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及分散式风电的配电网调度领域,具体公开一种基于分散式风电的配电网调度方法、装置及存储介质,本发明通过获取风力发电机组的发电量与其周围环境气象数据的关系函数,并获取风力发电机组的周围环境气象与区域环境气象的关系,构建风力发电机组的风力发电预测模型,并进行修正,进而提高风力发电预测的精度;获取地区各区域的预估气象数据,分析地区各区域的预估风力发电量,结合地区的预估需求电量,判断地区的风力发电是否满足用电需求,若满足需求,获取地区中风力发电用于并网和风力发电用于存储的各区域,若不满足需求,获取地区的电力缺口,从而保障地区电网的安全稳定运行和合理利用风能资源。
Description
技术领域
本发明涉及分散式风电的配电网调度领域,涉及到一种基于分散式风电的配电网调度方法、装置及存储介质。
背景技术
分散式风电的配电网调度是指针对分散式风电资源进行有效调度和管理,对风力发电进行调度是确保电网稳定运行、提高能源利用效率、推动可再生能源发展的重要手段,也是电力系统转型升级和可持续发展的重要举措。
现有的风电调度方法根据电网的需求电量和风力发电的预测电量进而对风力发电进行调度时,通过获取风电机组所在地区的风速风向和风电机组的工作功率,分析风力发电的预测模型,进而得到风力发电预测电量,该方法存在一些不足:第一方面,风电机组所在地区的范围较为广泛,将风电机组所在地区的气象信息作为风电机组运行时气象信息不够准确,导致风力发电预测电量的偏差较大,不利于风力发电的精准化调度。
第二方面,由于风力发电机组性能不佳或者老化,使得根据风力发电机组工作功率推算的风力发电量与实际风力发电量之间存在较大误差,进而使得基于风力发电机组工作功率的风力发电预测的准确性不高。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于分散式风电的配电网调度方法、装置及存储介质。
本发明解决其技术问题采用的技术方案是:第一方面,本发明提供一种基于分散式风电的配电网调度方法,包括以下步骤:步骤一、地区预估需求电量获取:设定当前监测周期的时长,获取当前监测周期目标地区的预估需求电量。
步骤二、风力发电与气象数据关系分析:设定测试周期的时长,获取测试周期内各时间段目标地区各区域中各风力发电机组的发电量与其周围环境的气象数据,其中气象数据包括风速、风向角、气压、温度和湿度,分析目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数。
步骤三、区域环境与周围环境关系分析:获取测试周期内各时间段目标地区各区域的气象数据,将其与测试周期内各时间段目标地区各区域中各风力发电机组周围环境的气象数据进行比对,分析目标地区各区域中各风力发电机组的周围环境气象-区域环境气象关系函数。
步骤四、风力发电预测模型建立:获取目标地区各区域中各风力发电机组的发电量与其区域环境气象数据之间的关系函数,构建目标地区各区域中各风力发电机组的风力发电预测模型。
步骤五、风力发电预测模型修正:获取当前年份各历史监测周期目标地区各区域的气象数据和各区域中各风力发电机组的发电量,对目标地区各区域中各风力发电机组的风力发电预测模型进行修正。
步骤六、地区预估风力发电量获取:获取当前监测周期目标地区各区域的预估气象数据,分析当前监测周期目标地区各区域的预估风力发电量。
步骤七、地区风电满足需求分析与调度:判断当前监测周期目标地区的风力发电是否满足用电需求,若满足需求,获取目标地区中风力发电用于并网和风力发电用于存储的各区域,若不满足需求,获取目标地区的电力缺口,并进行反馈。
在一种可能的设计中,所述步骤一的具体分析过程为:设定监测周期的时长,将自当前时间往后顺延监测周期时长对应的时间段记为当前监测周期。
获取当前年份起始时间与当前监测周期起始时间之间的时间段,并按照与当前监测周期等时长的原则进行划分,得到当前年份的各历史监测周期,获取当前年份各历史监测周期目标地区的用电量,并获取各历史年份中当前监测周期目标地区的用电量,分析当前监测周期目标地区的预估需求电量。
在一种可能的设计中,所述步骤二的具体分析过程为:将自当前时间往后顺延设定时长对应的时间段记为测试周期,按照预设的等时长原则对测试周期进行划分,得到测试周期的各时间段。
按照预设的原则对目标地区进行划分,得到目标地区的各区域。
获取测试周期内各时间段目标地区各区域中各风力发电机组的发电量,将其记为,/>表示第/>个时间段的编号,/>,/>表示第/>个区域的编号,/>,/>表示第/>个风力发电机组的编号,/>,并获取测试周期内各时间段目标地区各区域中各风力发电机组周围环境的风速、风向角、气压、温度和湿度,将其记为。
以风力发电机组周围环境的风速、风向角、气压、温度和湿度为自变量、以风力发电机组的发电量为应变量,根据测试周期内各时间段目标地区各区域中各风力发电机组的发电量与其周围环境的气象数据,通过数学分析方法,获取目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数,将其记为。
在一种可能的设计中,所述步骤三的具体分析过程为:通过气象部门获取测试周期内各时间段目标地区各区域的风速、风向角、气压、温度和湿度,将其分别记为,将测试周期内各时间段目标地区各区域的风速与测试周期内各时间段目标地区各区域中各风力发电机组周围环境的风速进行比对分析,得到目标地区各区域中各风力发电机组周围环境的风速与其所属区域的风速之间的关系函数,将其记为目标地区各区域中各风力发电机组的周围环境风速-区域环境风速关系函数,并表示为。
同理,获取目标地区各区域中各风力发电机组的周围环境风向角-区域环境风向角关系函数、周围环境气压-区域环境气压关系函数、周围环境温度-区域环境温度关系函数和周围环境湿度-区域环境湿度关系函数,将其分别记为。
在一种可能的设计中,所述步骤四的具体分析过程为:根据目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数和目标地区各区域中各风力发电机组的周围环境气象-区域环境气象关系函数,得到目标地区各区域中各风力发电机组的发电量与其区域环境气象数据之间的关系函数,将其记为,构建目标地区各区域中各风力发电机组的风力发电预测模型。
在一种可能的设计中,所述步骤五的具体分析过程为:获取当前年份各历史监测周期目标地区各区域的气象数据,将其代入目标地区各区域中各风力发电机组的风力发电预测模型,得到当前年份各历史监测周期目标地区各区域中各风力发电机组的理想发电量,将其记为,/>表示第/>个历史监测周期的编号,/>。
获取当前年份各历史监测周期目标地区各区域中各风力发电机组的发电量,将其记为。
通过分析公式得到目标地区各区域中各风力发电机组的风力发电预测模型精度/>,其中/>表示预设的风力发电预测模型精度的修正系数,/>表示自然常数,/>表示历史监测周期的数量,/>表示预设的风力发电预测模型预估发电量与实际发电量之间差值的阈值。
根据目标地区各区域中各风力发电机组的风力发电预测模型精度,判断目标地区各区域中各风力发电机组的风力发电预测模型是否需要修正,并进行修正。
在一种可能的设计中,所述步骤六的具体分析过程为:获取当前监测周期目标地区各区域的预估气象数据,结合目标地区各区域中各风力发电机组的风力发电预测模型,得到当前监测周期目标地区各区域中各风力发电机组的预估发电量,并进行累加,得到当前监测周期目标地区各区域的预估风力发电量。
在一种可能的设计中,所述步骤七的具体分析过程为:S1:将当前监测周期目标地区的预估需求电量与当前监测周期目标地区各区域的预估风力发电量进行比对,若当前监测周期目标地区各区域预估风力发电量的累加量大于或等于当前监测周期目标地区的预估需求电量,则当前监测周期目标地区的风力发电满足用电需求,并执行S2,反之,则当前监测周期目标地区的风力发电不满足用电需求,并执行S3。
S2:将当前监测周期目标地区各区域按照其预估风力发电量从高到低的顺序进行排序,得到目标地区各区域的风电并网顺序。
将当前监测周期目标地区各区域的预估风力发电量按照其区域的风电并网顺序依次并入目标地区的电网,直至满足当前监测周期目标地区的预估需求电量,将目标地区中剩余的未进行风电并网的区域记为风力发电用于存储的区域,进而得到目标地区中风力发电用于并网和风力发电用于存储的各区域。
S3:将当前监测周期目标地区的预估需求电量减去当前监测周期目标地区各区域预估风力发电量的累加量,得到目标地区的电力缺口,并反馈至目标地区的能源管理部门。
第二方面,本发明还提供一种基于分散式风电的配电网调度装置,包括:地区预估需求电量获取模块:用于设定当前监测周期的时长,获取当前监测周期目标地区的预估需求电量。
风力发电与气象数据关系分析模块:用于设定测试周期的时长,获取测试周期内各时间段目标地区各区域中各风力发电机组的发电量与其周围环境的气象数据,其中气象数据包括风速、风向角、气压、温度和湿度,分析目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数。
区域环境与周围环境关系分析模块:用于获取测试周期内各时间段目标地区各区域的气象数据,将其与测试周期内各时间段目标地区各区域中各风力发电机组周围环境的气象数据进行比对,分析目标地区各区域中各风力发电机组的周围环境气象-区域环境气象关系函数。
风力发电预测模型建立模块:用于获取目标地区各区域中各风力发电机组的发电量与其区域环境气象数据之间的关系函数,构建目标地区各区域中各风力发电机组的风力发电预测模型。
风力发电预测模型修正模块:用于获取当前年份各历史监测周期目标地区各区域的气象数据和各区域中各风力发电机组的发电量,对目标地区各区域中各风力发电机组的风力发电预测模型进行修正。
地区预估风力发电量获取模块:用于获取当前监测周期目标地区各区域的预估气象数据,分析当前监测周期目标地区各区域的预估风力发电量。
地区风电满足需求分析与调度模块:用于判断当前监测周期目标地区的风力发电是否满足用电需求,若满足需求,获取目标地区中风力发电用于并网和风力发电用于存储的各区域,若不满足需求,获取目标地区的电力缺口,并进行反馈。
数据库:用于存储各历史年份目标地区的用电量。
第三方面,本发明还提供一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现本发明所述的基于分散式风电的配电网调度方法中的步骤。
相较于现有技术,本发明的有益效果如下:1.本发明通过获取地区基于用电量同比增长趋势曲线的预测用电量和基于用电量环比增长趋势曲线的预测用电量,分析地区的预估需求电量,考虑地区多个维度的用电量趋势,预测地区的用电量,进而提高地区需求电量预测结果的准确性,以便合理安排电网的运行计划和能源供应。
2.本发明通过获取风力发电机组的发电量与其周围环境气象数据之间的关系函数,结合风力发电机组的周围环境与其所属区域环境的关系,得到风力发电机组的发电量与其区域环境气象数据之间的关系函数,构建风力发电机组的风力发电预测模型,相比于直接根据风电机组所在地区的气象分析风力发电的预测模型和预测电量,准确性更高。
3.本发明考虑风速、风向角、气压、温度和湿度等多方面可能影响风力发电机组发电的因素,分析风力发电机组的风力发电预测模型,进而提高风力发电预测模型的可靠性。
4.本发明从风力发电机组发电量的角度,分析风力发电机组的发电量与其区域环境气象数据之间的关系函数,构建风力发电机组的风力发电预测模型,进而提高风力发电预测的准确性。
5.本发明通过获取地区各区域的预估风力发电量和地区的预估需求电量,判断地区的风力发电是否满足用电需求,若满足需求,获取地区中风力发电用于并网和风力发电用于存储的各区域,若不满足需求,获取地区的电力缺口,根据风电资源预测和电网负荷需求,制定合理的电网调度计划,进而确保风电资源和传统能源之间的协调运行,保证电网的供需平衡。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图。
图2为本发明的装置模块连接图。
图3为本发明的当前监测周期的划分示意图。
图4为本发明的风力发电机组的风力发电预测模型的构建流程示意图。
附图标记:1.当前时间;2.当前监测周期;3.当前年份各历史监测周期;4.测试周期。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明的第一方面提供一种基于分散式风电的配电网调度方法,包括如下步骤:步骤一、地区预估需求电量获取:设定当前监测周期的时长,获取当前监测周期目标地区的预估需求电量。
示例性地,所述步骤一的具体分析过程为:参阅图3所示,设定监测周期的时长,将自当前时间往后顺延监测周期时长对应的时间段记为当前监测周期。
获取当前年份起始时间与当前监测周期起始时间之间的时间段,并按照与当前监测周期等时长的原则进行划分,得到当前年份的各历史监测周期,获取当前年份各历史监测周期目标地区的用电量,并获取各历史年份中当前监测周期目标地区的用电量,分析当前监测周期目标地区的预估需求电量。
需要说明的是,分析当前监测周期目标地区的预估需求电量,具体方法为:获取当前年份各历史监测周期目标地区的用电量,分析目标地区用电量的同比增长趋势曲线,进一步获取当前监测周期目标地区基于用电量同比增长趋势曲线的预测用电量,将其记为。
提取数据库中存储的各历史年份目标地区的用电量,获取各历史年份中当前监测周期目标地区的用电量,分析目标地区用电量的环比增长趋势曲线,进一步获取当前监测周期目标地区基于用电量环比增长趋势曲线的预测用电量,将其记为。
通过分析公式得到当前监测周期目标地区的预估需求电量/>,其中/>分别表示预设的基于用电量同比和环比增长趋势曲线预测用电量的权值,/>,/>表示预设的当前监测周期目标地区预估需求电量的修正量。
需要说明的是,分析目标地区用电量的同比增长趋势曲线,具体方法为:获取当前年份各历史监测周期目标地区的用电量,以当前年份历史监测周期为自变量、以用电量为应变量建立坐标系,根据当前年份各历史监测周期目标地区的用电量,在坐标系中标出对应的数据点,通过数学模型的建立方法,绘制目标地区用电量的同比增长趋势曲线。
需要说明的是,分析目标地区用电量的环比增长趋势曲线,具体方法为:获取各历史年份中当前监测周期目标地区的用电量,以历史年份当前监测周期为自变量、以用电量为应变量建立坐标系,根据各历史年份中当前监测周期目标地区的用电量,在坐标系中标出对应的数据点,通过数学模型的建立方法,绘制目标地区用电量的环比增长趋势曲线。
在本实施例中,本发明通过获取地区基于用电量同比增长趋势曲线的预测用电量和基于用电量环比增长趋势曲线的预测用电量,分析地区的预估需求电量,考虑地区多个维度的用电量趋势,预测地区的用电量,进而提高地区需求电量预测结果的准确性,以便合理安排电网的运行计划和能源供应。
步骤二、风力发电与气象数据关系分析:设定测试周期的时长,获取测试周期内各时间段目标地区各区域中各风力发电机组的发电量与其周围环境的气象数据,其中气象数据包括风速、风向角、气压、温度和湿度,分析目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数。
参阅图4所示,示例性地,所述步骤二的具体分析过程为:将自当前时间往后顺延设定时长对应的时间段记为测试周期,按照预设的等时长原则对测试周期进行划分,得到测试周期的各时间段。
需要说明的是,测试周期的时长小于当前监测周期的时长。
按照预设的原则对目标地区进行划分,得到目标地区的各区域。
获取测试周期内各时间段目标地区各区域中各风力发电机组的发电量,将其记为,/>表示第/>个时间段的编号,/>,/>表示第/>个区域的编号,/>,/>表示第/>个风力发电机组的编号,/>,并获取测试周期内各时间段目标地区各区域中各风力发电机组周围环境的风速、风向角、气压、温度和湿度,将其记为。
需要说明的是,通过环境检测传感器获取测试周期内各时间段目标地区各区域中各风力发电机组周围环境的风速、风向角、气压、温度和湿度。
以风力发电机组周围环境的风速、风向角、气压、温度和湿度为自变量、以风力发电机组的发电量为应变量,根据测试周期内各时间段目标地区各区域中各风力发电机组的发电量与其周围环境的气象数据,通过数学分析方法,获取目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数,将其记为。
需要说明的是,目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数有五个自变量,一个应变量。
需要说明的是,风向角指的是风向与某一参考方向的夹角,通常用来描述风的来向,常用的参考方向有北、东、南、西,风向角通常用度数来表示。
在一个具体实施例中,北风的风向角为0度,东风的风向角为90度,南风的风向角为180度,西风的风向角为270度。
步骤三、区域环境与周围环境关系分析:获取测试周期内各时间段目标地区各区域的气象数据,将其与测试周期内各时间段目标地区各区域中各风力发电机组周围环境的气象数据进行比对,分析目标地区各区域中各风力发电机组的周围环境气象-区域环境气象关系函数。
示例性地,所述步骤三的具体分析过程为:通过气象部门获取测试周期内各时间段目标地区各区域的风速、风向角、气压、温度和湿度,将其分别记为,将测试周期内各时间段目标地区各区域的风速与测试周期内各时间段目标地区各区域中各风力发电机组周围环境的风速进行比对分析,得到目标地区各区域中各风力发电机组周围环境的风速与其所属区域的风速之间的关系函数,将其记为目标地区各区域中各风力发电机组的周围环境风速-区域环境风速关系函数,并表示为/>。
同理,获取目标地区各区域中各风力发电机组的周围环境风向角-区域环境风向角关系函数、周围环境气压-区域环境气压关系函数、周围环境温度-区域环境温度关系函数和周围环境湿度-区域环境湿度关系函数,将其分别记为。
需要说明的是,目标地区各区域中各风力发电机组的周围环境气象-区域环境气象关系函数包括周围环境风速-区域环境风速关系函数、周围环境风向角-区域环境风向角关系函数、周围环境气压-区域环境气压关系函数、周围环境温度-区域环境温度关系函数和周围环境湿度-区域环境湿度关系函数。
步骤四、风力发电预测模型建立:获取目标地区各区域中各风力发电机组的发电量与其区域环境气象数据之间的关系函数,构建目标地区各区域中各风力发电机组的风力发电预测模型。
示例性地,所述步骤四的具体分析过程为:根据目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数和目标地区各区域中各风力发电机组的周围环境气象-区域环境气象关系函数,得到目标地区各区域中各风力发电机组的发电量与其区域环境气象数据之间的关系函数,将其记为,构建目标地区各区域中各风力发电机组的风力发电预测模型。
在本实施例中,本发明考虑风速、风向角、气压、温度和湿度等多方面可能影响风力发电机组发电的因素,分析风力发电机组的风力发电预测模型,进而提高风力发电预测模型的可靠性。
在本实施例中,本发明从风力发电机组发电量的角度,分析风力发电机组的发电量与其区域环境气象数据之间的关系函数,构建风力发电机组的风力发电预测模型,进而提高风力发电预测的准确性。
步骤五、风力发电预测模型修正:获取当前年份各历史监测周期目标地区各区域的气象数据和各区域中各风力发电机组的发电量,对目标地区各区域中各风力发电机组的风力发电预测模型进行修正。
示例性地,所述步骤五的具体分析过程为:获取当前年份各历史监测周期目标地区各区域的气象数据,将其代入目标地区各区域中各风力发电机组的风力发电预测模型,得到当前年份各历史监测周期目标地区各区域中各风力发电机组的理想发电量,将其记为,/>表示第/>个历史监测周期的编号,/>。
获取当前年份各历史监测周期目标地区各区域中各风力发电机组的发电量,将其记为。
通过分析公式得到目标地区各区域中各风力发电机组的风力发电预测模型精度/>,其中/>表示预设的风力发电预测模型精度的修正系数,/>表示自然常数,/>表示历史监测周期的数量,/>表示预设的风力发电预测模型预估发电量与实际发电量之间差值的阈值。
根据目标地区各区域中各风力发电机组的风力发电预测模型精度,判断目标地区各区域中各风力发电机组的风力发电预测模型是否需要修正,并进行修正。
需要说明的是,对目标地区各区域中各风力发电机组的风力发电预测模型进行修正,具体方法为:将目标地区各区域中各风力发电机组的风力发电预测模型精度与预设的风力发电预测模型精度阈值进行比较,若目标地区某区域中某风力发电机组的风力发电预测模型精度小于预设的风力发电预测模型精度阈值,则目标地区该区域中该风力发电机组的风力发电预测模型需要修正,进一步获取当前年份各历史监测周期目标地区该区域的气象数据和该区域中该风力发电机组的发电量,将其并入目标地区该区域中该风力发电机组的风力发电预测模型的数据集,进而对目标地区该区域中该风力发电机组的风力发电预测模型进行修正。
需要说明的是,本发明通过数据增强的方法来扩充风力发电预测模型的数据集,增加风力发电预测模型的数据多样性,进而对风力发电预测模型进行修正,提高其准确性。
在本实施例中,本发明通过获取风力发电机组的发电量与其周围环境气象数据之间的关系函数,结合风力发电机组的周围环境与其所属区域环境的关系,得到风力发电机组的发电量与其区域环境气象数据之间的关系函数,构建风力发电机组的风力发电预测模型,相比于直接根据风电机组所在地区的气象分析风力发电的预测模型和预测电量,准确性更高。
步骤六、地区预估风力发电量获取:获取当前监测周期目标地区各区域的预估气象数据,分析当前监测周期目标地区各区域的预估风力发电量。
示例性地,所述步骤六的具体分析过程为:获取当前监测周期目标地区各区域的预估气象数据,结合目标地区各区域中各风力发电机组的风力发电预测模型,得到当前监测周期目标地区各区域中各风力发电机组的预估发电量,并进行累加,得到当前监测周期目标地区各区域的预估风力发电量。
需要说明的是,通过气象部门获取当前监测周期目标地区各区域的预估气象数据。
步骤七、地区风电满足需求分析与调度:判断当前监测周期目标地区的风力发电是否满足用电需求,若满足需求,获取目标地区中风力发电用于并网和风力发电用于存储的各区域,若不满足需求,获取目标地区的电力缺口,并进行反馈。
示例性地,所述步骤七的具体分析过程为:S1:将当前监测周期目标地区的预估需求电量与当前监测周期目标地区各区域的预估风力发电量进行比对,若当前监测周期目标地区各区域预估风力发电量的累加量大于或等于当前监测周期目标地区的预估需求电量,则当前监测周期目标地区的风力发电满足用电需求,并执行S2,反之,则当前监测周期目标地区的风力发电不满足用电需求,并执行S3。
S2:将当前监测周期目标地区各区域按照其预估风力发电量从高到低的顺序进行排序,得到目标地区各区域的风电并网顺序。
将当前监测周期目标地区各区域的预估风力发电量按照其区域的风电并网顺序依次并入目标地区的电网,直至满足当前监测周期目标地区的预估需求电量,将目标地区中剩余的未进行风电并网的区域记为风力发电用于存储的区域,进而得到目标地区中风力发电用于并网和风力发电用于存储的各区域。
在另一个具体实施例中,获取目标地区各区域中风力发电机组的装机容量、发电效率、功率曲线、可靠性、稳定性和经济性等多方面指标评估目标地区各区域的风电并网优先级,进一步得到目标地区各区域的风电并网顺序。
S3:将当前监测周期目标地区的预估需求电量减去当前监测周期目标地区各区域预估风力发电量的累加量,得到目标地区的电力缺口,并反馈至目标地区的能源管理部门。
在本实施例中,本发明通过获取地区各区域的预估风力发电量和地区的预估需求电量,判断地区的风力发电是否满足用电需求,若满足需求,获取地区中风力发电用于并网和风力发电用于存储的各区域,若不满足需求,获取地区的电力缺口,根据风电资源预测和电网负荷需求,制定合理的电网调度计划,进而确保风电资源和传统能源之间的协调运行,保证电网的供需平衡。
参阅图2所示,本发明的第二方面提供一种基于分散式风电的配电网调度装置,包括地区预估需求电量获取模块、风力发电与气象数据关系分析模块、区域环境与周围环境关系分析模块、风力发电预测模型建立模块、风力发电预测模型修正模块、地区预估风力发电量获取模块、地区风电满足需求分析与调度模块和数据库。
所述风力发电与气象数据关系分析模块分别与地区预估需求电量获取模块和区域环境与周围环境关系分析模块连接,风力发电预测模型建立模块分别与区域环境与周围环境关系分析模块和风力发电预测模型修正模块连接,地区预估风力发电量获取模块分别与风力发电预测模型修正模块和地区风电满足需求分析与调度模块连接,数据库与地区预估需求电量获取模块连接。
地区预估需求电量获取模块:用于设定当前监测周期的时长,获取当前监测周期目标地区的预估需求电量。
风力发电与气象数据关系分析模块:用于设定测试周期的时长,获取测试周期内各时间段目标地区各区域中各风力发电机组的发电量与其周围环境的气象数据,其中气象数据包括风速、风向角、气压、温度和湿度,分析目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数。
区域环境与周围环境关系分析模块:用于获取测试周期内各时间段目标地区各区域的气象数据,将其与测试周期内各时间段目标地区各区域中各风力发电机组周围环境的气象数据进行比对,分析目标地区各区域中各风力发电机组的周围环境气象-区域环境气象关系函数。
风力发电预测模型建立模块:用于获取目标地区各区域中各风力发电机组的发电量与其区域环境气象数据之间的关系函数,构建目标地区各区域中各风力发电机组的风力发电预测模型。
风力发电预测模型修正模块:用于获取当前年份各历史监测周期目标地区各区域的气象数据和各区域中各风力发电机组的发电量,对目标地区各区域中各风力发电机组的风力发电预测模型进行修正。
地区预估风力发电量获取模块:用于获取当前监测周期目标地区各区域的预估气象数据,分析当前监测周期目标地区各区域的预估风力发电量。
地区风电满足需求分析与调度模块:用于判断当前监测周期目标地区的风力发电是否满足用电需求,若满足需求,获取目标地区中风力发电用于并网和风力发电用于存储的各区域,若不满足需求,获取目标地区的电力缺口,并进行反馈。
数据库:用于存储各历史年份目标地区的用电量。
第三方面,本发明还提供一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现本发明所述的基于分散式风电的配电网调度方法中的步骤。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于分散式风电的配电网调度方法,其特征在于,包括如下步骤:
步骤一、地区预估需求电量获取:设定当前监测周期的时长,获取当前监测周期目标地区的预估需求电量;
步骤二、风力发电与气象数据关系分析:设定测试周期的时长,获取测试周期内各时间段目标地区各区域中各风力发电机组的发电量与其周围环境的气象数据,其中气象数据包括风速、风向角、气压、温度和湿度,分析目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数;
步骤三、区域环境与周围环境关系分析:获取测试周期内各时间段目标地区各区域的气象数据,将其与测试周期内各时间段目标地区各区域中各风力发电机组周围环境的气象数据进行比对,分析目标地区各区域中各风力发电机组的周围环境气象-区域环境气象关系函数;
步骤四、风力发电预测模型建立:获取目标地区各区域中各风力发电机组的发电量与其区域环境气象数据之间的关系函数,构建目标地区各区域中各风力发电机组的风力发电预测模型;
步骤五、风力发电预测模型修正:获取当前年份各历史监测周期目标地区各区域的气象数据和各区域中各风力发电机组的发电量,对目标地区各区域中各风力发电机组的风力发电预测模型进行修正;
步骤六、地区预估风力发电量获取:获取当前监测周期目标地区各区域的预估气象数据,分析当前监测周期目标地区各区域的预估风力发电量;
步骤七、地区风电满足需求分析与调度:判断当前监测周期目标地区的风力发电是否满足用电需求,若满足需求,获取目标地区中风力发电用于并网和风力发电用于存储的各区域,若不满足需求,获取目标地区的电力缺口,并进行反馈。
2.根据权利要求1所述的一种基于分散式风电的配电网调度方法,其特征在于:所述步骤一的具体分析过程为:
设定监测周期的时长,将自当前时间往后顺延监测周期时长对应的时间段记为当前监测周期;
获取当前年份起始时间与当前监测周期起始时间之间的时间段,并按照与当前监测周期等时长的原则进行划分,得到当前年份的各历史监测周期,获取当前年份各历史监测周期目标地区的用电量,并获取各历史年份中当前监测周期目标地区的用电量,分析当前监测周期目标地区的预估需求电量。
3.根据权利要求1所述的一种基于分散式风电的配电网调度方法,其特征在于:所述步骤二的具体分析过程为:
将自当前时间往后顺延设定时长对应的时间段记为测试周期,按照预设的等时长原则对测试周期进行划分,得到测试周期的各时间段;
按照预设的原则对目标地区进行划分,得到目标地区的各区域;
获取测试周期内各时间段目标地区各区域中各风力发电机组的发电量,将其记为,表示第/>个时间段的编号,/>,/>表示第/>个区域的编号,/>,/>表示第/>个风力发电机组的编号,/>,并获取测试周期内各时间段目标地区各区域中各风力发电机组周围环境的风速、风向角、气压、温度和湿度,将其记为/>;
以风力发电机组周围环境的风速、风向角、气压、温度和湿度为自变量、以风力发电机组的发电量为应变量,根据测试周期内各时间段目标地区各区域中各风力发电机组的发电量与其周围环境的气象数据,通过数学分析方法,获取目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数,将其记为
。
4.根据权利要求3所述的一种基于分散式风电的配电网调度方法,其特征在于:所述步骤三的具体分析过程为:
通过气象部门获取测试周期内各时间段目标地区各区域的风速、风向角、气压、温度和湿度,将其分别记为,将测试周期内各时间段目标地区各区域的风速与测试周期内各时间段目标地区各区域中各风力发电机组周围环境的风速进行比对分析,得到目标地区各区域中各风力发电机组周围环境的风速与其所属区域的风速之间的关系函数,将其记为目标地区各区域中各风力发电机组的周围环境风速-区域环境风速关系函数,并表示为/>;
同理,获取目标地区各区域中各风力发电机组的周围环境风向角-区域环境风向角关系函数、周围环境气压-区域环境气压关系函数、周围环境温度-区域环境温度关系函数和周围环境湿度-区域环境湿度关系函数,将其分别记为
。
5.根据权利要求4所述的一种基于分散式风电的配电网调度方法,其特征在于:所述步骤四的具体分析过程为:
根据目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数和目标地区各区域中各风力发电机组的周围环境气象-区域环境气象关系函数,得到目标地区各区域中各风力发电机组的发电量与其区域环境气象数据之间的关系函数,将其记为,构建目标地区各区域中各风力发电机组的风力发电预测模型。
6.根据权利要求2所述的一种基于分散式风电的配电网调度方法,其特征在于:所述步骤五的具体分析过程为:
获取当前年份各历史监测周期目标地区各区域的气象数据,将其代入目标地区各区域中各风力发电机组的风力发电预测模型,得到当前年份各历史监测周期目标地区各区域中各风力发电机组的理想发电量,将其记为,/>表示第/>个历史监测周期的编号,;
获取当前年份各历史监测周期目标地区各区域中各风力发电机组的发电量,将其记为;
通过分析公式得到目标地区各区域中各风力发电机组的风力发电预测模型精度/>,其中/>表示预设的风力发电预测模型精度的修正系数,/>表示自然常数,/>表示历史监测周期的数量,/>表示预设的风力发电预测模型预估发电量与实际发电量之间差值的阈值;
根据目标地区各区域中各风力发电机组的风力发电预测模型精度,判断目标地区各区域中各风力发电机组的风力发电预测模型是否需要修正,并进行修正。
7.根据权利要求1所述的一种基于分散式风电的配电网调度方法,其特征在于:所述步骤六的具体分析过程为:
获取当前监测周期目标地区各区域的预估气象数据,结合目标地区各区域中各风力发电机组的风力发电预测模型,得到当前监测周期目标地区各区域中各风力发电机组的预估发电量,并进行累加,得到当前监测周期目标地区各区域的预估风力发电量。
8.根据权利要求1所述的一种基于分散式风电的配电网调度方法,其特征在于:所述步骤七的具体分析过程为:
S1:将当前监测周期目标地区的预估需求电量与当前监测周期目标地区各区域的预估风力发电量进行比对,若当前监测周期目标地区各区域预估风力发电量的累加量大于或等于当前监测周期目标地区的预估需求电量,则当前监测周期目标地区的风力发电满足用电需求,并执行S2,反之,则当前监测周期目标地区的风力发电不满足用电需求,并执行S3;
S2:将当前监测周期目标地区各区域按照其预估风力发电量从高到低的顺序进行排序,得到目标地区各区域的风电并网顺序;
将当前监测周期目标地区各区域的预估风力发电量按照其区域的风电并网顺序依次并入目标地区的电网,直至满足当前监测周期目标地区的预估需求电量,将目标地区中剩余的未进行风电并网的区域记为风力发电用于存储的区域,进而得到目标地区中风力发电用于并网和风力发电用于存储的各区域;
S3:将当前监测周期目标地区的预估需求电量减去当前监测周期目标地区各区域预估风力发电量的累加量,得到目标地区的电力缺口,并反馈至目标地区的能源管理部门。
9.一种基于分散式风电的配电网调度装置,其特征在于,包括:
地区预估需求电量获取模块:用于设定当前监测周期的时长,获取当前监测周期目标地区的预估需求电量;
风力发电与气象数据关系分析模块:用于设定测试周期的时长,获取测试周期内各时间段目标地区各区域中各风力发电机组的发电量与其周围环境的气象数据,其中气象数据包括风速、风向角、气压、温度和湿度,分析目标地区各区域中各风力发电机组的发电量与其周围环境气象数据之间的关系函数;
区域环境与周围环境关系分析模块:用于获取测试周期内各时间段目标地区各区域的气象数据,将其与测试周期内各时间段目标地区各区域中各风力发电机组周围环境的气象数据进行比对,分析目标地区各区域中各风力发电机组的周围环境气象-区域环境气象关系函数;
风力发电预测模型建立模块:用于获取目标地区各区域中各风力发电机组的发电量与其区域环境气象数据之间的关系函数,构建目标地区各区域中各风力发电机组的风力发电预测模型;
风力发电预测模型修正模块:用于获取当前年份各历史监测周期目标地区各区域的气象数据和各区域中各风力发电机组的发电量,对目标地区各区域中各风力发电机组的风力发电预测模型进行修正;
地区预估风力发电量获取模块:用于获取当前监测周期目标地区各区域的预估气象数据,分析当前监测周期目标地区各区域的预估风力发电量;
地区风电满足需求分析与调度模块:用于判断当前监测周期目标地区的风力发电是否满足用电需求,若满足需求,获取目标地区中风力发电用于并网和风力发电用于存储的各区域,若不满足需求,获取目标地区的电力缺口,并进行反馈;
数据库:用于存储各历史年份目标地区的用电量。
10.一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-8任意一项所述的基于分散式风电的配电网调度方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410406594.XA CN117996757B (zh) | 2024-04-07 | 2024-04-07 | 一种基于分散式风电的配电网调度方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410406594.XA CN117996757B (zh) | 2024-04-07 | 2024-04-07 | 一种基于分散式风电的配电网调度方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117996757A true CN117996757A (zh) | 2024-05-07 |
CN117996757B CN117996757B (zh) | 2024-06-11 |
Family
ID=90893740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410406594.XA Active CN117996757B (zh) | 2024-04-07 | 2024-04-07 | 一种基于分散式风电的配电网调度方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117996757B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013106941A1 (en) * | 2012-01-17 | 2013-07-25 | Energiebüro AG | Method of predicting the expected future power production of a wind or solar power plant |
CN105337415A (zh) * | 2015-11-18 | 2016-02-17 | 深圳合纵能源技术有限公司 | 一种基于预测控制的地区电网调度系统及其方法 |
JP5945014B1 (ja) * | 2015-01-09 | 2016-07-05 | 中国電力株式会社 | 発電量予測装置、発電量予測装置の制御方法及びプログラム |
CN106897790A (zh) * | 2017-01-03 | 2017-06-27 | 北京国能日新系统控制技术有限公司 | 一种选择最优预报格点的风功率预测方法及装置 |
US20180196896A1 (en) * | 2015-08-07 | 2018-07-12 | Mitsubishi Electric Corporation | Device for predicting amount of photovoltaic power generation, and method for predicting amount of photovoltaic power generation |
KR20210045698A (ko) * | 2019-10-17 | 2021-04-27 | 유병천 | 기상정보를 이용한 태양광발전소의 발전량 예측시스템 및 이를 이용한 발전량 예측방법 |
CN113570132A (zh) * | 2021-07-23 | 2021-10-29 | 华中科技大学 | 一种时空气象特征提取与深度学习的风电功率预测方法 |
CN113610285A (zh) * | 2021-07-26 | 2021-11-05 | 华能定边新能源发电有限公司 | 一种分散式风电的功率预测方法 |
CN114418167A (zh) * | 2021-12-06 | 2022-04-29 | 国能重庆风电开发有限公司 | 一种基于高原山地多元气象新能源发电功率预测优化方法 |
KR20220094523A (ko) * | 2020-12-29 | 2022-07-06 | 한국전력정보(주) | 태양광 발전량 중개시장 참여를 위한 태양광 발전량 예측 시스템 |
CN114862043A (zh) * | 2022-05-26 | 2022-08-05 | 上海电气风电集团股份有限公司 | 风电场发电功率预测方法及其系统及计算机可读存储介质 |
CN115271262A (zh) * | 2022-09-26 | 2022-11-01 | 南京图德科技有限公司 | 一种广域风力发电功率预测方法、装置及存储介质 |
US20230115235A1 (en) * | 2020-06-17 | 2023-04-13 | Kabushiki Kaisha Toshiba | Energy management system, energy management method, and storage medium |
WO2023063888A2 (en) * | 2021-10-14 | 2023-04-20 | Envision Digital International Pte. Ltd. | Method and apparatus for predicting wind power, and device and storage medium thereof |
CN116865236A (zh) * | 2023-05-17 | 2023-10-10 | 山东国电投能源营销有限公司 | 一种基于新能源发电的中长期发电量预测方法及系统 |
CN117117833A (zh) * | 2023-07-21 | 2023-11-24 | 国网湖南省电力有限公司 | 光伏输出功率预测方法、装置、电子设备及存储介质 |
CN117575550A (zh) * | 2024-01-19 | 2024-02-20 | 北京亚能电气设备有限公司 | 一种基于bim技术的风电场数据三维可视化管理系统 |
CN117791618A (zh) * | 2023-12-08 | 2024-03-29 | 深圳供电局有限公司 | 电力调度方法、装置、计算机设备和存储介质 |
-
2024
- 2024-04-07 CN CN202410406594.XA patent/CN117996757B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013106941A1 (en) * | 2012-01-17 | 2013-07-25 | Energiebüro AG | Method of predicting the expected future power production of a wind or solar power plant |
JP5945014B1 (ja) * | 2015-01-09 | 2016-07-05 | 中国電力株式会社 | 発電量予測装置、発電量予測装置の制御方法及びプログラム |
US20180196896A1 (en) * | 2015-08-07 | 2018-07-12 | Mitsubishi Electric Corporation | Device for predicting amount of photovoltaic power generation, and method for predicting amount of photovoltaic power generation |
CN105337415A (zh) * | 2015-11-18 | 2016-02-17 | 深圳合纵能源技术有限公司 | 一种基于预测控制的地区电网调度系统及其方法 |
CN106897790A (zh) * | 2017-01-03 | 2017-06-27 | 北京国能日新系统控制技术有限公司 | 一种选择最优预报格点的风功率预测方法及装置 |
KR20210045698A (ko) * | 2019-10-17 | 2021-04-27 | 유병천 | 기상정보를 이용한 태양광발전소의 발전량 예측시스템 및 이를 이용한 발전량 예측방법 |
US20230115235A1 (en) * | 2020-06-17 | 2023-04-13 | Kabushiki Kaisha Toshiba | Energy management system, energy management method, and storage medium |
KR20220094523A (ko) * | 2020-12-29 | 2022-07-06 | 한국전력정보(주) | 태양광 발전량 중개시장 참여를 위한 태양광 발전량 예측 시스템 |
CN113570132A (zh) * | 2021-07-23 | 2021-10-29 | 华中科技大学 | 一种时空气象特征提取与深度学习的风电功率预测方法 |
CN113610285A (zh) * | 2021-07-26 | 2021-11-05 | 华能定边新能源发电有限公司 | 一种分散式风电的功率预测方法 |
WO2023063888A2 (en) * | 2021-10-14 | 2023-04-20 | Envision Digital International Pte. Ltd. | Method and apparatus for predicting wind power, and device and storage medium thereof |
CN114418167A (zh) * | 2021-12-06 | 2022-04-29 | 国能重庆风电开发有限公司 | 一种基于高原山地多元气象新能源发电功率预测优化方法 |
CN114862043A (zh) * | 2022-05-26 | 2022-08-05 | 上海电气风电集团股份有限公司 | 风电场发电功率预测方法及其系统及计算机可读存储介质 |
CN115271262A (zh) * | 2022-09-26 | 2022-11-01 | 南京图德科技有限公司 | 一种广域风力发电功率预测方法、装置及存储介质 |
CN116865236A (zh) * | 2023-05-17 | 2023-10-10 | 山东国电投能源营销有限公司 | 一种基于新能源发电的中长期发电量预测方法及系统 |
CN117117833A (zh) * | 2023-07-21 | 2023-11-24 | 国网湖南省电力有限公司 | 光伏输出功率预测方法、装置、电子设备及存储介质 |
CN117791618A (zh) * | 2023-12-08 | 2024-03-29 | 深圳供电局有限公司 | 电力调度方法、装置、计算机设备和存储介质 |
CN117575550A (zh) * | 2024-01-19 | 2024-02-20 | 北京亚能电气设备有限公司 | 一种基于bim技术的风电场数据三维可视化管理系统 |
Non-Patent Citations (3)
Title |
---|
ERIC STEFAN MIELE 等: ""Multi-Horizon Wind Power Forecasting Using Multi-Modal Spatio-Temporal Neural Networks"", 《ENERGIES 》, vol. 16, no. 8, 30 April 2023 (2023-04-30), pages 1 - 15 * |
林琳 等: ""基于天气模式识别与时空图神经网络的新能源发电功率预测"", 《电气自动化》, vol. 45, no. 3, 31 March 2023 (2023-03-31), pages 30 - 33 * |
胡帅 等: ""计及气象因素和风速空间相关性的风电功率预测模型"", 《 电力系统自动化》, vol. 45, no. 7, 10 April 2021 (2021-04-10), pages 28 - 36 * |
Also Published As
Publication number | Publication date |
---|---|
CN117996757B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103248048B (zh) | 一种弃风电量预估方法 | |
CN111525552B (zh) | 一种基于特征信息的三阶段短期风电场群功率预测方法 | |
CN109474007B (zh) | 一种基于大数据云技术的能源互联网调度方法 | |
CN116865236A (zh) | 一种基于新能源发电的中长期发电量预测方法及系统 | |
Gen | Reliability and cost/worth evaluation of generating systems utilizing wind and solar energy | |
CN116304669A (zh) | 一种短期校正的分布式光伏功率预测方法及系统 | |
CN115829391A (zh) | 一种新能源并网场景下电力系统碳排放量评估方法及终端 | |
CN115481918A (zh) | 一种基于源网荷储的单元状态主动感知及预测分析系统 | |
Jin et al. | Wind and photovoltaic power time series data aggregation method based on an ensemble clustering and Markov chain | |
CN117239740B (zh) | 一种虚拟电厂系统的优化配置与灵活性提升方法及系统 | |
CN117996757B (zh) | 一种基于分散式风电的配电网调度方法、装置及存储介质 | |
Romero et al. | Short-term active power forecasting of a photovoltaic power plant using an artificial neural network | |
CN116207760A (zh) | 源网荷储容量配置方法 | |
Manabe et al. | Cooperative control of energy storage systems and biogas generator for multiple renewable energy power plants | |
Mantri et al. | Solar Power Generation Prediction for Better Energy Efficiency using Machine Learning | |
CN115313377B (zh) | 一种电力负荷预测方法及系统 | |
Beyer et al. | Assessment of the option “wind power to heat for buildings” with respect to meteorological conditions | |
Oral et al. | Analysis of a Building-Mounted Wind-Solar Hybrid Power System in Urban Residential Areas: The Case Study of Istanbul | |
Kaushik et al. | Performance Analysis of Regression Models in Solar PV Forecasting | |
CN113657735B (zh) | 考虑森林碳汇能力约束的碳中和场景下电源结构规划方法 | |
CN113689045B (zh) | 一种光伏区域并网电量的预测方法、设备及介质 | |
CN117833300B (zh) | 一种基于智能配电设备的储能容量配置方法 | |
Jayaraj et al. | Artificial Intelligence for Green Energy Technology | |
CN116502389A (zh) | 一种可再生能源容量可信度因子不确定性的区间估计方法 | |
CN116470496A (zh) | 可再生能源发电系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |